Regresi Linear Semi-Terawasi
Regresi linear semi-terawasi memasang model linear pada dataset berlabel kecil lalu memanfaatkan kumpulan observasi tak berlabel yang lebih besar untuk memperbaiki estimasi koefisien dan generalisasi. Dengan menghasilkan label semu untuk titik-titik tak berlabel dan menyempurnakan model secara iteratif, metode ini mencapai akurasi prediktif yang lebih baik daripada model linear yang murni terawasi yang dilatih hanya dengan label yang langka.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhou, Z.-H., & Li, M. (2005). Semi-supervised regression with co-training. Proceedings of the 19th International Joint Conference on Artificial Intelligence (IJCAI), 908–913. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/id/machine-learning/semi-supervised-linear-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Propagasi LabelPembelajaran Mesin↔ compare
- Regresi Linier (ML)Pembelajaran Mesin↔ compare
- Regresi Linear TerregularisasiPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →